公共文化服务平台

搜索到744篇“ 底板破坏深度“的相关文章

条带式工作面带压开采煤层底板破坏深度研究: 2025年; 为查明澄合矿区董东煤矿TC05工作面底板破坏深度,采用分布式网络并行电法动态监测技术,通过对比TC05工作面300 m范围内采前与采后的煤层底板岩石电性变化规律,测得正常区域底板破坏深度约6.5 m,构造影响范围内底板破坏深度10.5~15.5 m,为工作面奥灰水害防治注浆治理层确定提供了有力支撑。; 许永杰魏展航朱国涛关欣杰; 关键词：条带开采底板破坏深度

基于SA-PSO-BP神经网络的煤层底板破坏深度预测: 2025年; 研究煤层底板破坏深度的准确预测对保证带压开采条件下煤矿的安全生产具有重要意义。针对传统BP神经网络预测底板破坏深度存在误差较大、容易陷入局部最优解、收敛速度慢等问题,提出了一种新的SA-PSO-BP网络模型。该模型以煤层倾角、开采深度、煤层开采厚度、工作面斜长作为评判指标,先利用粒子群优化算法(PSO)改进BP神经网络寻优过程、再引入模拟退火算法(SA)避免PSO算法陷入局部最优解,选取92组现场实测数据样本,对优化后的模型进行训练和预测。结果表明:SA-PSO-BP网络模型的拟合优度达到0.9835,比BP神经网络提高了0.2882;均方根误差达到1.3190,比BP神经网络减小了3.8641;平均绝对百分比误差达到5.4423,比BP神经网络减小了14.93%。构建的SA-PSO-BP网络模型具有可行性,为底板破坏深度的预测提供了一种合理的方法。; 李刚赵艺鸣杨庆贺才天邹军鹏; 关键词：带压开采底板破坏深度

断层影响下深井工作面底板破坏深度预测: 2024年; 底板破坏深度的预测是底板突水防治研究中的重要一环。为研究断层影响下深井工作面底板采动破坏深度,基于现场实测数据,运用多元线性回归分析方法,构建了断层影响下深井工作面底板破坏深度预测模型,并检验了模型的准确性。通过现场监测方法,验证了预测模型的合理性。结果表明,与传统的统计公式相比,提出的预测模型相对误差平均值至少降低了25.49%,采用新预测模型预测含断层的工作面底板破坏深度为44.96 m,现场监测底板破坏深度为45.7 m,新预测模型预测值与现场监测基本一致。该预测模型对预测断层影响下深井底板破坏深度和防治底板突水具有一定的实用价值。; 王朋朋许宝卉翟江澎胡旭宇; 关键词：断层深部煤层开采底板破坏深度

考虑顶板断裂动载作用的采场底板破坏深度研究: 2024年; 【目的】准确评估采场底板破坏深度对于底板突水危险性评价至关重要。传统理论模型计算时往往仅考虑采场支承压力和承压水压的静载作用,导致计算结果与实际情况存在较大偏差。因此,综合考虑深部底板破坏的多力源耦合作用,构建更加贴近实际的计算模型可为深部煤层底板水害的有效防治提供科学依据。【方法】在明确顶板来压期间采场底板承受载荷的基础上,基于弹性动力学理论构建了动静载联合作用下的采场底板力学响应计算模型,得到了动载应力在底板中的传递规律以及底板动力响应特征,分析了顶板断裂动载扰动作用对采场底板破坏深度的影响规律;并以山东肥城某矿8031工作面为例,采用数值模拟和现场钻孔注水试验开展了工作面底板深度研究。【结果和结论】结果表明:顶板断裂产生的动载与采场支承压力在底板产生的静载应力叠加,会对底板应力集中区和卸载区造成强烈扰动影响。在动载作用过程中,底板应力场集中程度和区域范围都明显增加;顶板断裂动载扰动会进一步加剧采场底板岩层的破坏,理论计算、模拟分析与现场实测得到初次来压动载扰动造成的采场底板二次破坏深度分别为5.9、6.6、6.3 m,三者结果相近,验证了理论模型的准确性。研究结果能够反映出底板突水发生时间和位置的规律,可为深部底板突水防治提供重要的理论依据和参考价值。; 黄琪嵩许波冯俊军林晓飞程久龙彭俊; 关键词：力学模型底板破坏深度

基于PCA-T-S模糊神经网络底板破坏深度预测: 2024年; 针对底板破坏深度影响因素较多、数据之间相关性较强的特点,选用了主成分分析法对原始数据进行降维处理,提取出主要指标信息;基于T-S模糊神经网络具有拟合性能强、预测准确度高的优点,建立PCA-T-S模糊神经网络模型。通过阅读大量文献资料,选取了煤层埋藏深度、煤层倾角、煤层开采厚度、工作面斜长、底板抗破坏能力以及断层的存在性作为底板破坏深度的主要影响因素,选取24组数据进行模型训练,建立预测模型,并对8组数据进行预测,通过与传统T-S模糊神经网络模型及“三下”开采规范收录公式进行对比,分析PCA-T-S模糊神经网络预测模型优于其它两种方法,预测的最大相对误差仅为15.25%.为底板破坏深度预测提供了一种新的预测方法。; 高兵岳冲赵伟; 关键词：底板破坏深度主成分分析 T-S模糊神经网络

缓倾斜煤层开采底板破坏深度数值分析研究被引量：1: 2024年; 研究煤层开采过程中底板破坏深度对防治矿井底板水害具有重要意义,数值模拟避免了因现场条件复杂而无法进行实测的情况,可以在煤层开采前模拟和预测破坏深度,为开采工作提供参考。以梁北煤矿32021工作面为例,基于统计规律的经验公式进行了理论计算,得到的底板破坏深度分别为27.05 m、25.63 m、23.56 m,其中,考虑采深和煤层倾角的27.05 m更接近实际情况。使用FLAC^(3D)进行数值模拟,模拟并分析了工作面推进过程中的应力变化规律和底板破坏深度。在数值模拟的过程中,煤层底板的垂直应力变化结果表明,随着工作面不断推进,顶底板应力增大,采空区两端出现应力集中现象,影响范围不断增大,同时底板破坏深度也会随之增加;煤层底板的塑性破坏结果表明,底板破坏深度随工作面的推进而不断增大,当工作面推进至100 m时,底板破坏深度达到最大,之后破坏深度保持不变,破坏范围会一直随之增加;工作面推进100 m时,煤层底板下不同深度的塑性破坏结果表明,随着深度增加,破坏范围不断减小,可判断出煤层底板最大破坏深度约为25.9 m。; 查春雷袁二军史立群彭红明屈宏飞; 关键词：矿井水害底板破坏深度缓倾斜煤层数值模拟

基于粒子群优化极限学习机的煤层底板破坏深度预测被引量：1: 2024年; 矿井底板破坏产生的裂隙可能导通煤系基部的承压水,导致矿井突水事故发生。利用粒子群优化算法对极限学习机模型进行优化,建立了底板破坏深度粒子群优化极限学习机预测模型,主控因素包括埋深、倾角、采高、斜长、底板抗破坏能力,使用模型对竹林山煤矿3号煤层底板破坏深度预测。预测结果表明:竹林山煤矿3号煤底板破坏深度最大值为60.35 m,最小值为37.35 m,平均值50.63 m,预测结果为矿井安全生产提供了理论依据。; 刘和平郝辰伟彭东东王福龙; 关键词：底板破坏深度 PSO ELM

平煤矿区十二矿下保护层开采底板破坏深度数值模拟研究: 2024年; 为了深入系统地研究复杂条件下工作面开采底板岩层破坏机理和突水条件,根据平煤矿区十二矿31040下保护层工作面的工程地质、水文地质条件及岩石物理力学测试报告,采用FLAC 3D有限差分程序,分别对不同条件下的底板扰动破坏深度及其演化规律进行了数值计算分析,得出了底板岩体扰动破坏深度计算公式,并针对十二矿31040下保护层工作面开采对底板扰动破坏深度发育形态影响进行分析研究,验证拟合公式的科学实用性,可为今后平煤矿区带压安全开采提供技术支持和指导。; 韩泰然李昂吕璐娜; 关键词：底板破坏深度数值模拟水害防治

基于PCA-SaDE-ELM优化算法的煤层底板破坏深度预测及工程应用被引量：1: 2024年; 基于煤层底板破坏深度实测结果统计分析,通过优化数据样本空间,引入自适应差分进化改进的极限学习机算法,构建了煤层底板破坏深度预测模型,与实测结果对比分析验证,并应用于云驾岭煤矿9^(#)煤层底板破坏深度预测。结果表明:模型预测的最大绝对误差不超过0.7 m,相比现有其他预测模型,该模型预测精度提高约70%;云驾岭煤矿19101、19103和19105这3个典型工作面的破坏深度分别为10.80、10.94、11.34 m,介于规范方法和滑移场理论预测结果之间,进一步反映了模型的可靠性;建议对9#煤层底板加固改造后再进行回采。相关研究成果可为我国煤层底板破坏风险管理和煤炭资源的优化回采布置提供一定的理论支撑。; 刘世伟赵家鑫孙利辉袁乐忠杨江华王中海; 关键词：自适应差分进化算法极限学习机底板破坏深度

基于MTD类分布小样本增强的带压开采煤层底板破坏深度预测: 2024年; 机器学习预测方法在带压开采煤层底板破坏深度预测评价中得到广泛应用,然而在预测模型构建过程中常常存在着实测数据获取成本高、采集难度大以及随机性强等问题,基于少量样本构建的模型预测的性能往往受到预测精度和泛化能力的严重制约。通过文献调研,收集获得50组实测数据样本,引入MTD(Mega-Trend-Diffusion)类分布虚拟样本生成技术,生成虚拟样本,进一步实现煤层底板破坏深度实测样本的扩充增强;采用SaDE-ELM(Self Adaptive Differential Evolution-Extreme Learning Machine)、GA-PSO-BP(Genetic Algorithm-Particle Swarm Optimization-Back Propagation Neural Network)、BP(Back Propagation Neural Network)等机器学习算法,构建虚拟样本增强前后煤层底板破坏深度预测模型,并对增强前后的模型预测精度进行对比分析。结果表明:所提方法生成的虚拟样本与实测样本的分布基本一致;采用虚拟样本增强后的预测模型精度均显著提高,其中基于MTD类分布小样本增强的PCA-SaDE-ELM(Particle Swarm Optimization-Self Adaptive Differential Evolution-Extreme Learning Machine)预测模型的预测效果最优,增强前后误差可降低42.95%~51.27%。采用MTD类分布生成技术进行小样本增强,并构建带压煤层底板破坏深度预测模型能够更加精确地预测多因素影响下煤层底板破坏深度,通过与规范经验预测结果和滑移线场理论预测结果进行对比分析,所提方法预测得到的云驾岭矿19105工作面底板破坏深度相对较大,有利于工作面安全生产管理。相关研究成果对奥灰承压水上煤层的安全高效回采提供了有利支撑。; 刘世伟赵家鑫袁乐忠杨宇陈茄齐于昊; 关键词：带压开采底板破坏深度小样本神经网络

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈